Một thẻ tiêu đề ghi Qwen4-Max so với GPT-6.2 Astra, giá đầu ra gấp chín lần và chênh lệch 18% trên hóa đơn, với các nhãn dạng viên cho đầu ra $40.00 và $4.50, $4.00 so với $3.27 mỗi tác vụ, và 12.9 so với 32.3 phút mỗi tác vụ.
Guides & Insights

Qwen4-Max vs GPT-6.2 Astra: Giá đầu ra gấp chín lần, chênh lệch 18% trên hóa đơn

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

GPT-6.2 Astra có giá $8,00 cho mỗi triệu token đầu vào và $40,00 cho mỗi triệu token đầu ra. Qwen4-Max có giá $1,50 và $4,50. Trên đồng hồ đo, đó là khoảng cách gấp 5,3 lần ở đầu vào và gấp 8,9 lần ở đầu ra — kiểu chênh lệch thường khiến cuộc so sánh ngã ngũ trước khi bất kỳ ai đọc benchmark. Rồi Artificial Analysis định giá một tác vụ Intelligence Index đã hoàn thành ở mức $4,00 trên GPT-6.2 Astra, mẫu mà O​penAI phát hành ngày 17 tháng 11 năm 2026, và $3,27 trên Qwen4-Max, mẫu mà A​libaba đưa ra bán rộng rãi một ngày trước đó. Mười tám phần trăm. Hai mô hình có giá cách nhau chín lần ở nửa đắt tiền của đồng hồ đo lại chênh nhau trong vòng một phần năm về chi phí để hoàn thành một phần công việc.

Không con số nào sai, và lý do chúng cùng tồn tại chính là toàn bộ phép so sánh. Astra mua kết quả của mình bằng 65,8 triệu token đầu ra với mức giá cao; Qwen4-Max mua cùng một dạng kết quả bằng 127 triệu token với mức giá thấp. Điều phân biệt hai bên không phải giá cả và cũng không phải năng lực — 62 so với 43 trên chỉ số, một khoảng cách mà không lập luận nào về giá có thể lấp đầy. Điều phân biệt hai bên là nơi hai con đường đứt gãy: một bên ở ngưỡng token, bên kia ở đỉnh của một thang điều chỉnh nỗ lực mà mới chỉ được đo đúng một lần.

Sáu hàng, cả hai bên

Mỗi số liệu dưới đây đều được ghi rõ nguồn gốc. Giá là mức giá chuẩn đã công bố của từng nhà cung cấp; điểm chỉ số, chi phí mỗi tác vụ, khối lượng token và thời gian là các đo lường của Artificial Analysis được thực hiện vào ngày 18 tháng 11 năm 2026, trên Intelligence Index v5.0.1.

• Đầu vào — GPT-6.2 Astra 8,00 USD mỗi triệu token dưới 272.000, 16,00 USD từ mức đó trở lên, so với Qwen4-Max 1,50 USD đồng giá tại Singapore, 1,413 USD tại các khu vực phạm vi Toàn cầu, ở mọi độ dài

• Đầu ra — Astra $40.00 dưới ngưỡng, $60.00 trên ngưỡng so với Qwen4-Max $4.50 cố định

• Đầu vào được lưu trong bộ nhớ đệm — Astra 0,40 đô la mỗi triệu, được giảm giá 95% so với Qwen4-Max 0,075 đô la tại Singapore và 0,071 đô la ở những nơi khác

• Chỉ số Trí tuệ — Astra 62 ở mức nỗ lực tối đa, 60 ở mức cao, 57 ở mức trung bình, 46 ở mức thấp so với Qwen4-Max 43 ở Xhigh, không có số liệu công bố ở mức cao hoặc thấp

• Chi phí cho mỗi tác vụ lập chỉ mục — Astra $4.00 so với Qwen4-Max $3.27

• Thời gian cho mỗi tác vụ lập chỉ mục — Astra 12,9 phút so với Qwen4-Max 32,3 phút, so với mức trung vị của lĩnh vực là 12,4

• Thời gian đến token trả lời đầu tiên — Astra 171 giây so với Qwen4-Max 149 giây

• Ngữ cảnh — Astra tổng 1M token so với Qwen4-Max 984,000 như đo được, 1,000,000 như tài liệu ghi

• Phương thức — Astra nhận văn bản và hình ảnh, còn Qwen4-Max nhận văn bản, hình ảnh và video; cả hai chỉ xuất ra văn bản

• Mức nỗ lực — Astra có năm mức, từ max đến low, luôn bật; so với Qwen4-Max ba mức, từ low đến Xhigh, mặc định là high

Làm thế nào hai tấm thẻ chênh nhau chín lần lại cùng ra một hóa đơn

Sự hội tụ này không phải là sự trùng hợp ngẫu nhiên và cũng không phải là một đợt giảm giá. Đó là hai nhà cung cấp chọn hai phía đối lập của cùng một canh bạc. OpenAI định giá token đắt đỏ và bán cho bạn một mô hình chỉ dùng một ít trong số đó. Alibaba định giá token rẻ và bán cho bạn một mô hình dùng rất nhiều token. Cả hai đều đã định giá bảng giá cước của mình dựa trên thói quen của mô hình do chính họ cung cấp, đó là lý do bảng giá cước gần như chẳng nói cho bạn biết gì về hóa đơn.

Số lượng token chính là cơ chế, và chúng lệch hẳn đúng theo hướng mà giá dự đoán. Trên bộ chín bài đánh giá, GPT-6.2 Astra tạo ra 65,8 triệu token đầu ra — mức trung vị của lĩnh vực là 65,1 triệu, nên nó là một bên tiêu thụ token hoàn toàn bình thường. Qwen4-Max tạo ra 127 triệu, gần gấp đôi mức trung vị, và chính phần tóm tắt của công cụ theo dõi gọi nó là rất dài dòng. Nhân lên, ước tính thô đặt Qwen4-Max ở khoảng 571 USD chi phí đầu ra, so với 632 USD của Astra.

Hai ước tính đó không phải là những con số đã công bố, và khoảng cách này đáng để hiểu rõ hơn là che lấp đi. Các con số $3.27 và $4.00 cho mỗi tác vụ là mức trung bình có trọng số trên chín đánh giá, pha trộn token đầu vào, token đầu vào được lưu đệm, token suy luận và token trả lời, mỗi loại theo mức giá riêng. Phép nhân chỉ tính đầu ra tình cờ rơi vào cùng khoảng gần đó. Bất kỳ ai nói với bạn rằng họ suy ra cái này từ cái kia đều đang đoán, kể cả bất kỳ ai nói với bạn rằng khoảng cách 18% chính xác là tỷ lệ token — không phải vậy, và hai đại lượng này dịch chuyển độc lập khi một prompt trở nên dài hơn hoặc một bộ đệm trở nên nóng hơn.

Ngưỡng là nơi duy nhất mà khoảng cách gấp chín lần còn tồn tại.

Dưới 272.000 token đầu vào, thẻ của GPT-6.2 Astra hoạt động như một tấm thẻ: bạn trả khoảng gấp năm lần mức Qwen4-Max tính cho cùng lượng đầu vào, và gấp tám đến chín lần cho đầu ra, còn chi phí mỗi tác vụ bù đắp được vì Astra viết ít token hơn. Trên 272.000 token, phép so sánh không còn là phép so sánh nữa.

Hệ số nhân ngữ cảnh dài của Astra tăng gấp đôi giá đầu vào và đầu vào được lưu trong bộ nhớ đệm, đồng thời tăng giá đầu ra thêm 50% — và nó áp dụng cho toàn bộ yêu cầu, không chỉ phần vượt ngưỡng. Qwen4-Max hoàn toàn không có ngưỡng: 1,50 USD mỗi triệu token từ token đầu tiên đến mức trần đầu vào 983.616 token ở chế độ suy nghĩ, hoặc 991.808 khi tắt chế độ suy nghĩ.

Hãy làm phép tính trên một lượt đánh giá tài liệu, vì đó chính là khối lượng công việc mà ngữ cảnh dài được tạo ra để xử lý:

• 250.000 token đầu vào, 5.000 token đầu ra — GPT-6.2 Astra $2.00 cho đầu vào cộng $0.20 cho đầu ra, tổng cộng $2.20; Qwen4-Max $0.375 cộng $0.0225, tức khoảng $0.40

• {{1}}400.000 token đầu vào, 5.000 token đầu ra{{/1}} — Astra {{2}}6,40 USD đầu vào cộng 0,30 USD đầu ra, vậy là 6,70 USD, vì toàn bộ yêu cầu được tính gấp đôi{{/2}}; Qwen4-Max {{3}}0,60 USD cộng 0,0225 USD, tức khoảng 0,62 USD{{/3}}

• 900.000 token đầu vào, 5.000 token đầu ra — Astra 14,40 USD cộng 0,30 USD, vậy là 14,70 USD; Qwen4-Max 1,35 USD cộng 0,0225 USD, tức khoảng 1,37 USD

Dưới ranh giới này, tỷ lệ giá chính là tỷ lệ cước. Vượt lên trên, một lần gọi duy nhất tốn hơn gấp mười lần mức tương đương Qwen4-Max của nó trước khi bất kỳ mô hình nào trong hai viết ra một chữ. Đó không phải là một tiểu tiết về giá; đó là ranh giới mà tại đó cuộc so tài này thay đổi câu trả lời, và 272,000 nằm gọn trong cửa sổ mà cả hai mô hình quảng cáo.

A two-column scoreboard comparing GPT-6.2 Astra and Qwen4-Max: input $8.00 against $1.50 per million, output $40.00 against $4.50, Intelligence Index 62 against 43, cost per task $4.00 against $3.27, time per task 12.9 against 32.3 minutes, and context 1M against 984k.

Giá bộ nhớ đệm diễn biến theo cùng hướng, dù ít dữ dội hơn. Mức giảm giá 95% của Astra trên giá gốc 8 đô la cho ra 0,40 đô la mỗi triệu token được lưu trong bộ nhớ đệm, so với Qwen4-Max ở mức 0,075 đô la — khoảng cách 5,3 lần vẫn tồn tại ở mọi độ dài ngữ cảnh. Ghi bộ nhớ đệm đi ngược lại trực giác: Astra tính chúng 10 đô la mỗi triệu, cao hơn mức giá đầu vào tiêu chuẩn của mình, trong khi Qwen4-Max công bố 1,875 đô la cho một lần ghi năm phút và 3,00 đô la cho một giờ. Một khối lượng công việc đọc lại nhiều lần một tiền tố ổn định sẽ bù lại phần lớn khoảng cách; một khối lượng công việc ghi lại tiền tố của nó mỗi lượt sẽ trả giá cho đặc quyền đó ở cả hai bên, và nhiều hơn ở phía Astra.

Đồng hồ bị đảo ngược, và hầu hết các bài đánh giá đều bỏ sót điều đó.

Tốc độ là điểm mà hai mô hình không còn là hình ảnh phản chiếu của nhau. Qwen4-Max trả lời trước — 149 giây để có token trả lời đầu tiên, so với 171 giây của Astra — và sau đó mất thời gian hoàn thành dài gấp hai lần rưỡi: 32,3 phút mỗi tác vụ lập chỉ mục, so với 12,9. Astra đạt token đầu tiên muộn hơn và hoàn thành tác vụ sớm hơn 19,4 phút.

Sự đảo ngược đó đáng được nêu rõ chính vì nó phân tách hai mô hình theo loại khối lượng công việc thay vì xếp hạng chúng. Nếu thứ bạn cần là một phản hồi bắt đầu truyền phát nhanh — một bề mặt trò chuyện, một bản tóm tắt tài liệu mà người dùng đang theo dõi — thì lợi thế đi trước 22 giây của Qwen4-Max là con số quyết định tốc độ cảm nhận, và phần đuôi dài của nó sẽ vô hình trừ khi người dùng chờ toàn bộ câu trả lời. Nếu thứ bạn cần là một tác vụ hoàn tất, con số 12,9 phút sẽ quyết định, và con số 32,3 phút là con số xung đột với mọi thời gian chờ trong ngăn xếp của bạn.

Xét về mặt tuyệt đối, cả hai mô hình đều không nhanh. Tác vụ trung vị trên cùng bảng đánh giá hoàn thành trong 12,4 phút, vì vậy Astra đúng là ở mức trung bình còn Qwen4-Max gần gấp ba lần mặt bằng chung. Đây là so sánh giữa một mô hình tốc độ bình thường và một mô hình chậm, chứ không phải giữa hai mô hình nhanh.

The Artificial Analysis page for GPT-6.2 Astra on Intelligence Index v5.0.1, showing a score of 62 with the cost, speed and timing panel for the same nine-evaluation suite.

Một trong những mô hình này công bố toàn bộ đường cong của nó.

Đây là sự bất đối xứng quyết định nhiều đợt triển khai hơn cả hai bảng giá. Tài liệu dành cho nhà phát triển và công cụ theo dõi của GPT-6.2 Astra cùng mô tả năm mức nỗ lực và điểm chỉ số ở từng mức: 62 ở max, 62 ở Xhigh, 60 ở high, 57 ở medium, 46 ở low. Bạn có thể thấy chính xác một thiết lập rẻ hơn phải đánh đổi bao nhiêu năng lực, nghĩa là một nhóm có thể chủ động chọn một điểm trên đường cong đó — 57 ở medium vẫn cao hơn con số công bố tốt nhất của Qwen4-Max 14 điểm, và nó tạo ra ít token hơn nhiều so với mức nỗ lực max.

Qwen4-Max công bố ba mức — low, high và Xhigh — mặc định là high, và có đúng một điểm được đo độc lập, được lấy tại Xhigh, thiết lập đắt nhất mà nó cung cấp. Ngân sách suy nghĩ của nó mặc định là 131,072 token, và không ai ngoài A​libaba đã đo xem low hoặc high thực sự ảnh hưởng đến thời gian chạy hay hóa đơn ra sao.

Điều đó thay đổi ý nghĩa của "rẻ hơn 18% cho mỗi tác vụ". Phép so sánh là giữa cấu hình được đo của Astra với cấu hình được đo của Qwen4-Max, và cấu hình được đo của Qwen4-Max chính là cấu hình mà không sản phẩm nào sẽ phát hành mặc định. Hạ nó xuống high, và xung nhịp có lẽ sẽ cải thiện còn điểm số có lẽ sẽ giảm — giảm bao nhiêu là một con số chưa được công bố, và các tuyên bố về hiệu suất của chính nhà cung cấp được nêu ở high cũng như Xhigh, điều đó cho thấy thiết lập này nhằm để dùng được chứ không phải phương án dự phòng.

Chênh lệch hóa đơn không nằm trên bảng giá nào trong hai bảng giá

Một quy tắc phía Astra không có tương đương ở Qwen4-Max và tốn tiền theo cách mà việc so sánh giá sẽ không bao giờ phát hiện ra. Bắt đầu từ thế hệ này, API loại bỏ các mục suy luận khi phát hiện thay đổi giữa cuộc trò chuyện đối với lịch sử — chỉnh sửa tiền tố, hạ cấp mô hình, thay đổi người dùng cuối hoặc tổ chức. Sau đó, mô hình tính lại phần việc mà nó đã làm rồi, và trả tiền cho phần đó lần nữa.

Đối với một vòng lặp agent tự viết lại lời nhắc hệ thống của nó giữa các lượt, đó là một khoản phí lặp lại không xuất hiện trong bất kỳ so sánh theo từng token nào, và đó là cơ chế có nhiều khả năng nhất khiến mức $4.00 mỗi tác vụ được đo của Astra trông lạc quan trong môi trường sản xuất. Qwen4-Max không có quy tắc tương đương nào được công bố, điều đó không đồng nghĩa với việc không có hành vi tương đương — nó có nghĩa là hành vi đó không được ghi lại và bạn phát hiện ra nó trong nhật ký của mình.

The OrcaRouter model page for openai/gpt-6-astra, listing the routable endpoint for Astra's predecessor at vendor list price.

Gọi một trong hai người

Cả hai mô hình đều không có trong danh mục của chúng tôi. GPT-6.2 Astra và Qwen4-Max đều có thể truy cập được thông qua API của chính nhà cung cấp tương ứng và một số nền tảng bên thứ ba, và chúng tôi sẽ không gợi ý điều gì khác; ở đây không có tuyến cho Qwen4-Max, còn tuyến cho mô hình tiền nhiệm của Astra thì có.

Điều còn lại là một phép so sánh mà bạn có thể muốn chạy thử hơn là đọc, và phiên bản trung thực của lập luận định tuyến thì khá hẹp. Cả hai mô hình đều đủ mới đến mức những con số được công bố của chúng chỉ mô tả một cấu hình, chứ không phải một triển khai. Chạy cùng hai mươi trace qua một tuyến cho phép bạn hoán đổi mô hình phía sau một khóa — và tự động chuyển sang dự phòng khi một cuộc gọi 32 phút chết ở phút thứ hai mươi chín — là cách bạn tìm ra khối lượng công việc của mình nằm trên đường cong nào trong hai đường cong này. Mô hình tiền nhiệm của Astra, GPT-6 Astra, và Qwen3.8-Max hiện đều có thể định tuyến ở giá niêm yết của nhà cung cấp với mức đánh dấu 0%, điều này khiến việc A/B với một trong hai mô hình mới trở thành một thay đổi cấu hình thay vì một hợp đồng thứ hai.

Điều gì quyết định điều đó

Hai câu hỏi, theo đúng thứ tự này, và câu thứ hai chỉ có ý nghĩa nếu câu thứ nhất cho ra kết quả theo một cách cụ thể.

Trước tiên: khối lượng công việc của bạn có thường xuyên vượt quá 272.000 token đầu vào không? Nếu có, lựa chọn thực tế đã được định đoạt và khoảng cách chỉ số không còn quan trọng, vì ngưỡng của Astra biến tỷ lệ đầu vào gấp 5 lần thành gấp 10 lần trên toàn bộ yêu cầu, còn gói giá cố định của Qwen4-Max thì không. Với công việc xử lý tài liệu dài, video dài và trích xuất hàng loạt, Qwen4-Max là câu trả lời rẻ hơn cả một bậc, và 43 điểm chỉ số là đủ cho việc trích xuất.

Thứ hai: nếu lời nhắc của bạn ngắn, bạn có cần 19 điểm chỉ số không? Astra tốn thêm 22% chi phí cho mỗi tác vụ và hoàn thành tác vụ trong 40% thời gian, với đường cong nỗ lực năm điểm đã được công bố mà bạn có thể đánh đổi xuống. Qwen4-Max tốn ít chi phí hơn cho mỗi tác vụ, trả lời sớm hơn, hoàn thành muộn hơn nhiều và chỉ cho bạn một cài đặt được đo lường. Với lời nhắc ngắn, khoảng cách chi phí trên mỗi token phần lớn biến mất còn khoảng cách năng lực thì không.

Điều mà cả hai mô hình đều chưa giải quyết chính là thứ mà cả hai đều được quảng bá trong tuần này: công việc. Lời chào hàng khi ra mắt của Astra là một đợt giảm giá, thứ có thể đo được và đã được đo. Còn của Qwen4-Max là một khẩu hiệu về công việc trong thế giới thực, cũng có thể đo được — chỉ có điều, người chỉ đọc bài công bố ra mắt thì không đo được. Đồng hồ 32,3 phút và mức nỗ lực duy nhất được đo là nơi khẩu hiệu đó bị kiểm chứng, và đó là hai con số cần mang vào đánh giá của chính bạn, vì chúng là hai con số mà bộ phận marketing đã không trích dẫn.

So sánh trong bài viết này2

Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày